融合聚類算法和社會(huì)網(wǎng)絡(luò)分析技術(shù)的學(xué)科交叉研究熱點(diǎn)分析

張立說，陳天文

(濰坊市圖書館，山東 濰坊 261000)

隨著科技的不斷進(jìn)步與發(fā)展，科學(xué)研究的交叉性與高動(dòng)態(tài)性等特點(diǎn)日益顯著[1]，因此學(xué)科交叉熱點(diǎn)研究成了當(dāng)下學(xué)者們的研究熱點(diǎn)。研究學(xué)科交叉熱點(diǎn)可揭示當(dāng)下學(xué)科主題之間的內(nèi)在聯(lián)系、了解前言動(dòng)態(tài)，更能有效地分析研究主題發(fā)展的潛在規(guī)律[2]。

學(xué)科交叉研究早在20世紀(jì)70年代就已被學(xué)者提出，目前學(xué)科交叉研究已進(jìn)入實(shí)證研究階段[3]，Rhoten等[4]人在文章中提出，從大學(xué)研究項(xiàng)目和青年學(xué)者的調(diào)研入手，強(qiáng)調(diào)了學(xué)科交叉研究的意義與其發(fā)展前景。蔣永新等[5]對圖書情報(bào)研究論文做關(guān)鍵詞聚類分析，研究其熱點(diǎn)論題的分布與變化趨勢。閔超等[6]在更細(xì)粒度上做聚類類團(tuán)分析、戰(zhàn)略坐標(biāo)分析，進(jìn)一步探索學(xué)科交叉研究熱點(diǎn)。

筆者擬在前期學(xué)者的研究基礎(chǔ)上，運(yùn)用CONCOR迭代相關(guān)收斂法對關(guān)鍵詞進(jìn)行聚類，借助SPSS、UCINET和NETDRAW軟件進(jìn)一步對當(dāng)下學(xué)科交叉熱點(diǎn)進(jìn)行分析，以圖書情報(bào)學(xué)與互聯(lián)網(wǎng)技術(shù)學(xué)為例，挖掘兩學(xué)科關(guān)鍵詞之間的內(nèi)部關(guān)系，揭示兩個(gè)學(xué)科的研究熱點(diǎn)與發(fā)展趨勢，為研究者深入了解學(xué)科背景知識與掌握前言動(dòng)態(tài)打下堅(jiān)實(shí)基礎(chǔ)。

1 相關(guān)技術(shù)簡介

筆者選取圖書情報(bào)與互聯(lián)網(wǎng)技術(shù)兩門學(xué)科文獻(xiàn)對應(yīng)主題詞進(jìn)行研究與分析，首先將提取后的文本進(jìn)行預(yù)處理，生成結(jié)構(gòu)化的矩陣，然后分別對其進(jìn)行CONCOR迭代相關(guān)收斂分析與聚類分析，揭示兩學(xué)科當(dāng)前研究熱點(diǎn)，分析兩學(xué)科交叉熱點(diǎn)發(fā)展趨勢。

1.1 CONCOR迭代相關(guān)收斂法

CONCOR(convergent correlation)是一種迭代相關(guān)收斂法，可對數(shù)據(jù)樣本重復(fù)訓(xùn)練從而實(shí)現(xiàn)凝聚子群分析。CONCOR的主要思想為：首先提取樣本特征項(xiàng)，生成樣本矩陣；然后CONCOR算法會(huì)根據(jù)矩陣各行或列之間的關(guān)系生成相關(guān)系數(shù)，得到相關(guān)系數(shù)矩陣CO1；CONCOR算法再將矩陣CO1作為輸入矩陣?yán)^續(xù)訓(xùn)練樣本，根據(jù)CO1矩陣各行或列存在關(guān)系得到新的系數(shù)矩陣CO2；繼續(xù)迭代計(jì)算，最終通過樹形圖(tree-diagram)將各位置間結(jié)構(gòu)對等程度展示出來，并將各網(wǎng)絡(luò)成員標(biāo)記出來。

CONCOR算法生成的相關(guān)系數(shù)矩陣中包含皮爾遜積距系數(shù)，此系數(shù)可用來衡量各對象間的相似性，將樣本的凝聚子群關(guān)系展示出來，根據(jù)樣本對象特點(diǎn)，形成一個(gè)個(gè)不重疊的子群，并能根據(jù)子群密度分析子群的重要程度或孤立點(diǎn)，從而實(shí)現(xiàn)深度分析群體的功能。

1.2 聚類算法

聚類分析(群分析)是運(yùn)用統(tǒng)計(jì)分析的方法對樣本進(jìn)行分類，是數(shù)據(jù)挖掘中的重要方法。聚類，就是通過分析樣本數(shù)據(jù)間的內(nèi)在關(guān)系，將具有相同屬性或相似的對象聚集在一起，不相同的對象分成不同類別的過程。與分類不同的是，聚類可根據(jù)樣本自身特點(diǎn)，訓(xùn)練分類標(biāo)準(zhǔn)，從而得到合適的類別。

常用的聚類算法有K-means方法、K-medoids方法、CLARANS方法、BIRCH方法等[7～10]，筆者選擇系統(tǒng)聚類方法，其主要思想是：首先將樣本中各對象看成一類，然后根據(jù)各類之間的距離，將距離最小的進(jìn)行合并，生成新一類；再根據(jù)新類與其他類之間距離，合并距離最近的兩類；重復(fù)此步驟，直至所有樣本對象合為一類為止。用此方法處理學(xué)科關(guān)鍵詞，可根據(jù)當(dāng)前關(guān)鍵詞出現(xiàn)頻率進(jìn)行有效分類，有助于分析學(xué)科關(guān)鍵詞之間的關(guān)系，深入分析學(xué)科研究熱點(diǎn)。

2 基于CONCOR的學(xué)科交叉研究熱點(diǎn)與潛在研究方向分析

2.1 數(shù)據(jù)預(yù)處理

為了清楚展現(xiàn)兩門學(xué)科交叉研究領(lǐng)域的組成結(jié)構(gòu)及其演化情況，筆者以中國知網(wǎng)論文被引數(shù)量為基礎(chǔ)，選取從2013年開始7年的文章數(shù)據(jù)為支撐，其中，圖書情報(bào)技術(shù)與互聯(lián)網(wǎng)技術(shù)兩學(xué)科交叉的文章3 000篇，互聯(lián)網(wǎng)技術(shù)學(xué)科文章3 000篇。研究這兩門學(xué)科當(dāng)下的研究熱點(diǎn)，并對研究熱點(diǎn)進(jìn)行預(yù)測。由于關(guān)鍵詞最能反映文章核心，因此，根據(jù)需要將所選文獻(xiàn)導(dǎo)出其文獻(xiàn)關(guān)鍵詞，并對這些關(guān)鍵詞進(jìn)行去重、關(guān)鍵詞抽取、詞頻統(tǒng)計(jì)、矩陣生成，在生成矩陣時(shí)筆者選用經(jīng)典的相似度矩陣公式，根據(jù)關(guān)鍵詞在文章中出現(xiàn)的詞頻生成相似度矩陣。

2.2 CONCOR凝聚子群分析

由于圖書情報(bào)技術(shù)與互聯(lián)網(wǎng)技術(shù)交叉學(xué)科在很大程度上借鑒了互聯(lián)網(wǎng)技術(shù)的領(lǐng)先優(yōu)勢，因此，將當(dāng)下互聯(lián)網(wǎng)技術(shù)學(xué)科的研究熱點(diǎn)進(jìn)行分析，從而支撐交叉學(xué)科熱點(diǎn)的研究與預(yù)測。筆者將處理好的相似度矩陣導(dǎo)入U(xiǎn)cinet軟件中進(jìn)行CONCOR凝聚子群分析，可生成對應(yīng)凝聚子群，并計(jì)算出密度最大的子群，從而得到貢獻(xiàn)最大的學(xué)科關(guān)鍵詞。因此，本文選擇將互聯(lián)網(wǎng)技術(shù)學(xué)科關(guān)鍵詞矩陣導(dǎo)入，生成可視化圖形，如圖1所示，分析當(dāng)下互聯(lián)網(wǎng)技術(shù)學(xué)科中較熱的關(guān)鍵詞。

圖1 互聯(lián)網(wǎng)技術(shù)學(xué)科關(guān)鍵詞凝聚子群分析

CONCOR算法將詞頻大于30的關(guān)鍵詞分成8個(gè)子群，每個(gè)子群對應(yīng)的密度矩陣，如圖2所示，其中密度最大的子群為第2和第6個(gè)子群，證明這兩個(gè)子群在整個(gè)群體中貢獻(xiàn)度最大，其對應(yīng)的關(guān)鍵詞分別為{服務(wù)質(zhì)量，云制造，服務(wù)組合，遺傳算法，協(xié)同過濾，Web服務(wù)}、{新浪微博，用戶體驗(yàn)，互聯(lián)網(wǎng)}，而根據(jù)關(guān)鍵詞詞頻統(tǒng)計(jì)(部分截圖，如圖3所示)，詞頻最高的并不是密度最大的，因此CONCOR算法可幫助找到互聯(lián)網(wǎng)技術(shù)學(xué)科研究熱點(diǎn)。

圖2 互聯(lián)網(wǎng)技術(shù)學(xué)科凝聚子群密度分析

圖3 互聯(lián)網(wǎng)技術(shù)學(xué)科關(guān)鍵詞詞頻統(tǒng)計(jì)部分截圖

2.3 系統(tǒng)聚類

筆者運(yùn)用系統(tǒng)聚類方法對圖書情報(bào)技術(shù)與互聯(lián)網(wǎng)技術(shù)交叉學(xué)科關(guān)鍵詞進(jìn)行聚類操作，根據(jù)2.2節(jié)中分析得到的互聯(lián)網(wǎng)技術(shù)學(xué)科密度較大的關(guān)鍵詞集合，將兩交叉學(xué)科的關(guān)鍵詞矩陣用NetDraw工具生成可視化關(guān)系圖譜，并標(biāo)記出聚類后含有{服務(wù)質(zhì)量，云制造，服務(wù)組合，遺傳算法，協(xié)同過濾，Web服務(wù)}、{新浪微博，用戶體驗(yàn)，互聯(lián)網(wǎng)}的關(guān)鍵詞類別，如圖4所示。

圖4 兩學(xué)科交叉關(guān)鍵詞可視化圖譜

圖4中，網(wǎng)絡(luò)安全、信息安全、云服務(wù)、網(wǎng)絡(luò)技術(shù)、服務(wù)、高校、圖書館管理、計(jì)算機(jī)、服務(wù)質(zhì)量為一類，其中服務(wù)質(zhì)量為2.2節(jié)中標(biāo)記的密度較大關(guān)鍵詞組中一員，這證明了當(dāng)下服務(wù)、網(wǎng)絡(luò)安全等不僅是互聯(lián)網(wǎng)行業(yè)的熱點(diǎn)話題，在圖書情報(bào)行業(yè)中依舊是研究者們的熱點(diǎn)，更是下一步的研究趨勢，隨著互聯(lián)網(wǎng)的不斷發(fā)展與普及，數(shù)字圖書館、云服務(wù)成了當(dāng)下圖書館發(fā)展的趨勢，但同時(shí)面臨著網(wǎng)絡(luò)安全、信息竊取等問題，因此網(wǎng)絡(luò)安全、網(wǎng)絡(luò)技術(shù)等已成為當(dāng)下研究的熱點(diǎn)和趨勢。社交網(wǎng)絡(luò)、移動(dòng)信息服務(wù)、研究熱點(diǎn)、微信公眾平臺(tái)、微博等被分為一類，其中微博為2.2節(jié)中標(biāo)記密度較大關(guān)鍵詞組中一員，這證明了網(wǎng)絡(luò)信息研究已成為熱點(diǎn)話題，網(wǎng)絡(luò)平臺(tái)中隱藏著許多需要挖掘的信息，由于信息技術(shù)的不斷發(fā)展，線上閱讀、討論已成為人們生活中必不可少的一部分，例如微博、微信等平臺(tái)，這已成為研究者們不斷關(guān)注的焦點(diǎn)。

從以上分析可以看出，運(yùn)用CONCOR算法可挖掘出當(dāng)下學(xué)科的關(guān)注熱點(diǎn)，以單學(xué)科熱點(diǎn)數(shù)據(jù)為基礎(chǔ)，借助聚類方法，可分析得到交叉學(xué)科中的熱點(diǎn)信息，預(yù)測交叉學(xué)科研究發(fā)展方向。

3 結(jié)束語

筆者運(yùn)用CONCOR迭代相關(guān)收斂法，對交叉學(xué)科其中一門學(xué)科關(guān)鍵詞做凝聚子群分析，得到最大密度子群；再對交叉學(xué)科關(guān)鍵詞做系統(tǒng)聚類，以數(shù)據(jù)可視化的形式展現(xiàn)出來，借助單門學(xué)科最大密度子群中的熱點(diǎn)話題，分析交叉學(xué)科當(dāng)下的研究熱點(diǎn)與發(fā)展趨勢，提出了基于CONCOR的學(xué)科交叉熱點(diǎn)分析與預(yù)測方法，為研究者掌握學(xué)科知識演化方向提供支持。但本文在研究過程中還存在許多不足之處：①隨著科研的不斷發(fā)展與進(jìn)步，許多文獻(xiàn)關(guān)鍵詞并不能很好的概括文獻(xiàn)重點(diǎn)，許多關(guān)鍵知識會(huì)散落在摘要或是正文中，本文在研究時(shí)以關(guān)鍵詞為依據(jù)，其數(shù)據(jù)不夠全面，需要深度研究。②在研究方法上，研究熱點(diǎn)會(huì)隨著時(shí)間的推移不斷改變，因此，在熱點(diǎn)研究時(shí)應(yīng)考慮時(shí)間等多方面的因素，這也是今后的研究重點(diǎn)。